Development of an Artificial Intelligence-Based Clinical Image Model for Detection, Classification, and Management Recommendations of Anterior Gingival Recession
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
This study is designed to develop and validate an artificial intelligence (AI)-based clinical image analysis model for the detection, classification, and management recommendation of anterior gingival recession. Gingival recession is a common periodontal condition characterized by apical displacement of the gingival margin, which may lead to aesthetic concerns, dentinal hypersensitivity, and increased risk of root caries.
Clinical intraoral images of patients presenting with anterior gingival recession will be collected following standardized imaging protocols. The dataset will be used to train, validate, and test a machine learning model capable of identifying the presence of gingival recession and classifying its severity and/or type according to established periodontal classification systems.
The AI model will also be designed to generate preliminary management recommendations based on the detected class, supporting clinical decision-making. Model performance will be evaluated using standard metrics such as accuracy, sensitivity, specificity, precision, recall, and area under the receiver operating characteristic curve (AUC-ROC).
The study is observational in nature with a diagnostic and model-development component. All patient data will be anonymized to ensure confidentiality, and ethical approval will be obtained prior to data collection. The final output is intended to support clinicians in improving diagnostic consistency and treatment planning efficiency for anterior gingival recession.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Cairo, Egipt
- Faculty of Dental Medicine for Girls, Al-Azhar University
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Inclusion Criteria:
- Patients aged 18 years or older
- Presence of at least one anterior tooth exhibiting gingival recession classified according to the Cairo classification system (RT1, RT2, or RT3). - The gingival margin must be clearly visible.
- High-quality images (good focus, lighting, and resolution) are required.
- Clinically visible and intact cementoenamel junction (CEJ).
Exclusion Criteria:
- Presence of cervical restorations or fixed prostheses that interfere with CEJ identification.
- Patients undergoing active orthodontic treatment.
- Pregnant individuals, due to hormonal changes affecting gingival tissues.
- Images with poor photographic quality.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Gingival Recession Patients
This group consists of patients presenting with anterior gingival recession.
Clinical intraoral images will be collected from eligible participants and used for the development and validation of an artificial intelligence-based classification model.
The dataset includes cases with varying degrees and types of gingival recession according to established clinical classification criteria.
No therapeutic intervention will be performed as part of the study, and all images will be analyzed for diagnostic and classification purposes only.
|
An artificial intelligence-based clinical image model will be developed and evaluated using standardized clinical photographs of anterior teeth presenting with gingival recession.
The model will be trained to detect the presence of gingival recession, classify lesions according to the Cairo classification system (RT1, RT2, and RT3), and generate preliminary management recommendations based on the identified classification.
The system's performance will be assessed by comparing its diagnostic and classification outputs with expert clinical assessments.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Sensitivity and specificity of the AI system in detecting gingival recession, compared to clinical probing measurements.
Ramy czasowe: Through study completion, an average of 6 months
|
-Primary Outcome 1 Outcome Measure: Sensitivity and specificity of the AI system for detecting gingival recession compared with clinical probing measurements. Primary Outcome 2 Outcome Measure: Agreement between the AI system and expert clinicians in classifying gingival recession according to the Cairo classification, assessed using Cohen's kappa coefficient. |
Through study completion, an average of 6 months
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
- Error in automated CEJ identification, compared to manual annotations.
Ramy czasowe: Immediately after AI analysis of the clinical images
|
|
Immediately after AI analysis of the clinical images
|
Współpracownicy i badacze
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- OMPDR-108-1r
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .